Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Experimental Ges - 102 Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 1 / 22 Delineamento Inteiramente Casualizado O delineamento inteiramente casualizado (DIC) é um dos mode- los experimentais mais simples e fundamentais em experimentação estatística. Algumas características deste tipo de delineamento são: ✓ Supõe-se que as unidades experimentais sejam essencialmente idênticas (homogêneas) antes da aplicação dos tratamentos; ✓ As unidades experimentais são atribuídas aleatoriamente aos tratamentos.; ✓ Considera apenas os princípios da casualização e da repetição. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 2 / 22 ANOVA Para os dados oriundos de um experimento realizado em DIC, o modelo linear que explica as variações da variável resposta e deve ser utilizado nas análises estatísticas é: yij = m + ti + eij em que: • yij é o valor da variável resposta observada na parcela de tra- tamento i, na repetição j; • m é uma constante inerente a toda parcela; • ti representa o efeito do i-ésimo tratamento na variável res- posta; • eij é o erro experimental atribuído à observação yij , com eij ∼ N(0, Iσ2).Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 3 / 22 ANOVA A tabela de análise de variância (ANOVA) é uma tabela pro- posta por Ronald A. Fisher para identificar a existência, ou não, de mudanças sistemáticas nas variáveis de interesse. FV GL SQ QM Fc Tratamentos Residuos Total em que: FV: fontes de variação; GL: graus de liberdade; SQ: somas de quadrado; QM: quadrado médio; Fc: valor obtido pela razão entre as variâncias (QM’s) de interesse. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 4 / 22 Pressupostos da ANOVA i) Aditividade - o efeito de cada um dos termos que compõem o modelo devem ser aditivos; ii) Homogeneidade - os erros devem ser estimados todos da mesma população, isto implica que cada tratamento deve ter aproximadamente a mesma variância; iii) Normalidade - os erros devem possuir distribuição normal com média zero; iv) Independência - cada observação possui um erro, que deve ser independente dos demais, seja em um mesmo tratamento, seja em tratamentos diferentes. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 5 / 22 Exemplo 12 (DIC): Um pesquisador desejava comparar o ganho de peso por animal, obtidos num experimento de confinamento de bovinos submetidos a quatro dietas. Foram utilizados 20 animais da raça Nelore. Os animais tinham a mesma idade e peso inicial semelhante. O delineamento foi inteira- mente ao acaso e a parcela cons- tou de um animal. Os dados do experimento se- guem na tabela ao lado. Tratamentos Rep A B C D 1 29 25 20 29 2 34 20 24 27 3 29 23 22 29 4 29 29 24 21 5 29 23 25 29 Total 150 120 115 135 Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 6 / 22 Fontes de Variação Considere um experimento com I tratamentos e J repetições. Os dados podem ser resumidos em um quadro como a seguir: Tratamentos Repetições 1 2 · · · I 1 y11 y21 · · · yI1 2 y12 y22 · · · yI2 ... ... ... . . . ... J y1J y2J · · · yIJ Totais T1 T2 · · · TI Total do tratamento i: Ti = J∑ j=1 yij Média do tratamento i: m̂i = Ti J Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 7 / 22 Fontes de Variação Considere um experimento com I tratamentos e J repetições. Os dados podem ser resumidos em um quadro como a seguir: Tratamentos Repetições 1 2 · · · I 1 y11 y21 · · · yI1 2 y12 y22 · · · yI2 ... ... ... . . . ... J y1J y2J · · · yIJ Totais T1 T2 · · · TI Média do tratamento i: m̂i = Ti J Total Geral: G = I,J∑ i ,j yij = I∑ i Ti Média Geral: m̂ = G I × J Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 8 / 22 Fontes de Variação Variação Total: QMTotal = SQTotal GLTotal em que: GLTotal = I × J − 1 = n − 1 SQTotal é a soma dos quadrados das diferenças entre cada observa- ção e a média geral SQTotal = I,J∑ i ,j (yij) 2 − G2 IJ = I,J∑ i ,j (yij) 2 − C Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 9 / 22 Fontes de Variação Variação entre os tratamentos: QMTrat = SQTrat GLTrat em que: GLTrat = I − 1 SQTrat corresponde a soma dos quadrados das diferenças entre as médias de cada tratamento e a média geral SQTrat = 1 J J∑ i=1 (Ti) 2 − C Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 10 / 22 Fontes de Variação Variação dentro dos tratamentos: QMResiduos = SQResiduos GLResiduos em que: GLResiduos = GLTotal − GLTrat SQResiduos é a soma dos quadrados dos desvios dentro dos tratamen- tos, calculada pela soma do quadrado dos desvios de cada repetição com a média do respectivo tratamento SQResiduos = SQTotal − SQTrat Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 11 / 22 ANOVA A tabela de análise de variância (ANOVA) é uma tabela pro- posta por Ronald A. Fisher para identificar a existência, ou não, de mudanças sistemáticas nas variáveis de interesse. FV GL SQ QM Fc Tratamentos GLTrat SQTrat QMTrat QMTrat/QMResiduos Residuos GLResiduos SQResiduos QMResiduos Total GLTotal SQTotal em que: FV: fontes de variação; GL: graus de liberdade; SQ: somas de quadrado; QM: quadrado médio; Fc: valor obtido pela razão entre as variâncias (QM’s) de interesse. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 12 / 22 ANOVA O teste F serve para comparar duas estimativas de variâncias independentes. Na análise de variância, as estimativas de variância são dadas pelos quadrados médios (QM), logo devemos obter um QM para cada causa de variação. Comparamos uma variância causada pelos efeitos do fator que está sendo estudado, com a variância causada pelos efeitos dos fa- tores não controlados ou acaso (resíduo). Fc = QMTrat QMResiduos Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 13 / 22 ANOVA As hipóteses para o teste F da análise de variância para trata- mentos são as seguintes:{ H0 : m1 = m2 = · · · = mI , Ha : mi ̸= mj para pelo menos um par (i , j) com i ̸= j . A regra decisória para o teste F é a seguinte: - se Fc ≥ Ftab, então rejeita-se H0 e conclui-se que os tratamen- tos tem efeito diferenciado ao nível de significância em que foi realizado o teste; - se Fc < Ftab, então não rejeita-se H0 e conclui-se que os trata- mentos têm efeitos iguais ao nível de significância em que foi realizado o teste. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 14 / 22 ANOVA As hipóteses para o teste F da análise de variância para trata- mentos são as seguintes:{ H0 : m1 = m2 = · · · = mI , Ha : mi ̸= mj para pelo menos um par (i , j) com i ̸= j . Uma vez que o p-valor tenha sido determinado, a conclusão, em qualquer nível específico α, resulta da comparação do p-valor com α: - se p-valor ≤ α, então rejeita-se H0 ao nível α de significância; - se p-valor > α, então não rejeita-se H0 ao nível α de signifi- cância. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 15 / 22 Exemplo 13: Na tabela abaixo são apresentados os dados da produção de massa verde em ton/há de três cultivaresde sorgo (A - BRS658, B - BRS373 e C - BRS380). Com base nos dados abaixo, defina: Dado: α = 0, 05. a) Qual o fator, o tratamento e qual a variável resposta? b) Quais as hipóteses em estudo? c) O valor de I e J e o número de par- celas; d) o total de cada cultivar e o total geral; e) a média geral do experimento; Tratamentos Rep A B C 1 186 158 190 2 180 173 215 3 187 175 221 4 181 174 195 5 184 170 210 Total 918 850 1031 Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 16 / 22 Exemplo 13: Na tabela abaixo são apresentados os dados da produção de massa verde em ton/há de três cultivares de sorgo (A - BRS658, B - BRS373 e C - BRS380). Com base nos dados abaixo, defina: f) a média de cada cultivar; g) a média das médias das cultivares e verifique que é igual a média geral; h) a SQTotal , a SQTrat e a SQRes; i) complete a tabela de ANOVA; j) interprete o resultado o teste F da ANOVA. Tratamentos Rep A B C 1 186 158 190 2 180 173 215 3 187 175 221 4 181 174 195 5 184 170 210 Total 918 850 1031 Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 17 / 22 Delineamento Inteiramente Casualizado Vantagens: ✓ Possui grande flexibilidade quanto ao número de tratamentos e repe- tições; ✓ Pode-se realizar o DIC não balanceado (ou desbalanceado), em que os números de repetições entre tratamentos são diferentes. ✓ Considerando o mesmo número de parcelas e tratamentos avaliados, é o delineamento que possibilita o maior grau de liberdade do erro. Desvantagem: ✓ Se as condições não forem uniformes, toda variação (exceto a devida a tratamentos) irá para o erro, aumentando sua estimativa e reduzindo a precisão do experimento. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 18 / 22 Coeficiente de Variação - CV O valor de CV é sempre indicado em porcentagem e pode ser calculado pela expressão: CV = √ QMResiduos m̂ × 100 em que QMResiduos é o quadrado médio do erro, obtido no quadro de ANOVA e m̂ é a média geral do experimento. CV Avaliação Precisão < 10% Baixo Alta 10 a 20% Médio Média 20 a 30% Alto Baixa > 30% Muito Alto Muito Baixa Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 19 / 22 Exemplo 14: Com base nos dados do Exemplo 2 podemos calcular o CV. FV GL SQ QM Fc Tratamentos 2 3346,60 1671,8 21,57 Residuos 12 930 77,5 Total 14 4273,6 m̂ = 186, 6. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 20 / 22 Exemplo 15: Considere os dados de altura de planta abaixo, de um experi- mento onde foram avaliados 4 substratos no crescimento de mudas de eucalipto. O experimento foi conduzido no DIC com 5 repetições. Tratamentos Rep Areia Húmus Plantimax Palha 1 48 53 53 47 2 40 47 61 45 3 43 52 54 50 4 41 47 59 48 5 48 56 53 55 Total 220 255 280 245 Faça a análise de variância e teste de hipótese (teste F) para o efeito de tratamento a 5% de significância. Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 21 / 22 Exemplo 16: Baseado nas informações fornecidas abaixo e supondo que os tra- tamentos que possuem as maiores médias são desejados, pergunta- se: Qual(is) tratamento(s) deve(m) ser recomendados? Justifique sua resposta. Use o nível de significância de 1% de significância. FV GL SQ QM Fc Tratamentos 2 14,80 7,40 Residuos Total 14 78,40 Médias de tratamentos: m̂1 = 128, 6 m̂2 = 128, 4 m̂1 = 130, 6 Aula 03 - Delineamento Inteiramente Casualizado - DIC Prof. Geraldo M. C. Pereira Estatística Experimental Ges - 102 22 / 22
Compartilhar